RIPARU - Caractérisation des Macrodéchets
Contexte
Le projet RIPARU (Recherche Intégrée pour la Prévention en Amont des Résidus plastiqUes) a pour objectif de caractériser les déchets échoués sur les plages de Corse au sein du Parc Naturel Marin du Cap Corse et de l’Agriate (PNMCCA) afin de notamment caractériser les plages par leurs compositions en macrodéchets et en microplastiques.
Ce rapport rend compte de la caractérisation des plages par leurs composition en macrodéchets. A la suite de la description du contexte du projet et du protocole d’échantillonnage, les analyses sont menées pour chaque méthode de classification des macrodéchets. Cette séparation permet d’extraire les informations spécifiques à chaque type de classification et de conclure sur de potentielles plages-types.
Macrodéchets
Les prélèvements de macrodéchets sont effectués aux 4 saisons de l’année et sur 7 sites depuis 2022. Les campagnes permettent de collecter et d’identifier le plus précisément possible les déchets. Les plages concernées par les collectes de macrodéchets sont :
- Macinaghju
- Barcaghju
- Alisu
- Ferringule
- La Roya
- Saleccia
- Petracurbara
Voici leur emplacement géographique dans la délimitation du parc :
Les données de dénombrement par type de déchets sont ensuite saisies sur la plateforme MerTerre qui sert non seulement de base de données centralisée mais permet aussi d’exporter un jeu de données dans lequel les déchets sont classifiés en catégories spécifiques. Les grandes méthodes de classifications sont :
Filières REP : Filières à Responsabilité Elargie des Producteurs. Ces filières permettent de mettre en oeuvre le principe de pollueur-payeur. Identifier les filières REP permet de cibler les producteurs responsables de la mise sur le marché des produits à l’origine des déchets.
Secteurs d’activité : Les secteurs d’activité permettent de cibler les sources potentielles de déchets. Les déchets sont classifiés en fonction de leur origine.
DCSMM : La DCSMM (Directive Cadre Stratégie pour le Milieu Marin) est une directive européenne qui vise à protéger le milieu marin. Les déchets sont classifiés selon les catégories indiquées par la DCSMM.
Groupes Zéro Déchet Sauvage : La classification établie par le protocole du réseau Zéro Déchet Sauvage permet de regrouper les déchets en fonction de leur nature, de manière assez fine.
Marques : Les marques des produits permettent par exemple de cibler des origines spécifiques des déchets ou de catégoriser les plages par type de personnes les fréquentant.
Les données ont été traitées au préalable afin d’être vérifiées et utilisables dans les scripts d’analyses associés à ce rapport.
Microplastiques
De manière similaire aux macrodéchets, les microplastiques sont collectés sur 8 plages aux 4 saisons de l’année depuis 2022. Lors du cas de plages aux collectes comportant à la fois les microplastiques et les macrodéchets, les prélèvements sont réalisés à la même journée. Les plages concernées par les collectes de microplastiques sont :
- Barcaghju
- Ferringule
- Saleccia
- La Roya
- Lozari
- Macinaghju
- L’Ostriconi
- Petracurbara
Les plastiques sont distingués en deux classes de taille, distinction qui correspond à la séparation par les tamis aux mailles définies. Les microplastiques sont de taille comprise entre 1 et 5 mm et les mésoplastiques de taille supérieure à 5 mm. Outre la taille des éléments plastiques récupérés, les types de plastiques sont classifiés dans des catégories distinctes :
| Type | Description |
|---|---|
| Biomédias | Petits filtres circulaires aux motifs caractéristiques. |
| Bioperles | Billes d’environ 5mm, cylindriques et striées |
| Fragment de fibre | Fil de pêche, vêtements, dégradation de filets |
| Films plastiques | Emballages, films alimentaires |
| Fragments jeunes | Fragments anguleux qui gardent leur couleur d’origine |
| Fragments vieillis | Fragments aux coins arrondis et/ou blanchis par le sel et le soleil. |
| Mousses | Souples et alvéolées |
| Polystirène expansé | Très légers, non alvéolés, extrêmement volatiles |
| GPI | Billes sphériques ou légèrement ovales, aux couleurs variées et de diamètre 1 à 2mm. |
Les microplastiques ne sont néanmoins pas analysés dans ce rapport spécifique.
Fonctionnement d’une ACP
Ce rapport d’analyse des macrodéchets comporte plusieurs Analyses en Composantes Principales (ACP). Cette méthode statistique permet de représenter des données issues d’un nombre de dimensions complexes dans un nombre de dimensions réduit. Il s’agit principalement d’un outil de visualisation, qui permet d’interpréter des regroupements ou des distinctions entre individus dans un espace simplifié caractérisés par leur valeurs dans les dimensions initiales.
De manière plus simple à comprendre :
Nos individus sont ici des combinaisons site-saison, qui correspondent à l’unité d’échantillonnage de base de ce projet. En effet, chaque plage a une composition en macrodéchets différente à chaque saison, puisque les campagnes ont lieux 4 fois par an. Un de nos objectifs est ici de trouver des regroupement de sites ou de saisons permettant de caractériser des plages types. On pourrait très bien imaginer regarder directement les données brutes et essayer de voir quels sites sont les plus similaires ou les plus distincts entre eux selon le nombre de déchets de chaque filière REP, mais cela s’avère compliqué puisque le nombre de catégories ainsi que le nombre d’unité d’échantillonnage sont assez conséquents.
L’ACP permet de représenter ainsi les unités d’échantillonnages définies par une combinaison saison-plage dans un nombre de dimension réduit (dans l’idéal 2 ou 3) à partir des données de composition en macrodéchets catégorisés en filières REP.
Un superbe article sur le site-blog Medium illustre très bien le concept de l’ACP (https://medium.com/@yashwanths_29644/pca-in-ml-79dd97084290) dont voici les figures qui en proviennent :
Imaginons que cette image corresponde à une représentation de nos données brutes, où les axes x0, x1 et x2 pourraient par exemple correspondre à 3 filières REP distinctes (dans ce cas de figure on oublie les autres filières). Chaque point représenté dans l’espace est caractérisé par le nombre de déchets dans chacune de ces 3 filières REP et sont distincts spatialement les uns des autres dans cet espace à 3 dimensions. On pourrait très bien interpréter cette figure directement mais ce n’est pas nécessairement le plus facile d’interpréter les données de cette manière. L’ACP permet de projeter les données dans un nombre de dimensions réduit en gardant au maximum la distinction entre les individus. Ici donc, la meilleure représentation du nuage de point semble être une représentation où l’on sélectionne les nouvelles dimensions correspondant aux flèches rouge et bleue, la verte n’apportant pas beaucoup d’informations (ce que l’on appelle variance) supplémentaire. Lorsque l’on projette nos données dans un espace à deux dimensions défini par les axes (= dimensions) rouge et bleu, on obtient ceci :
Cette représentation est beaucoup plus simple. Elle permet de visualiser la majorité des différences entre les points dans un espace réduit à 2 dimensions. Les groupes similaires (représentés par les couleurs différentes) sont plus facilement distinguables les uns des autres.
Nous appliquons ainsi ce principe pour chaque catégorisation de macrodéchets mais sur des dimensions plus élevées. Dans le cas des filières REP, il y en a par exemple 15 différentes au total. Il serait impossible de représenter les données brutes dans un espace en 15 dimensions, et même si cela était possible, la représentation serait incompréhensible pour un être humain. L’ACP permet donc de projeter le nuage de points site-saison depuis un espace à 15 dimensions vers un espace dont le nombre de dimensions est réduit (2 ou 3) en conservant au maximum les distinctions entre combinaisons site-saison.
A chaque ACP de ce rapport, les sites-saisons sont regroupés par méthode de partitionnement en k-moyennes. Cette méthode complémentaire permet tout simplement de trouver des groupes se distinguant au plus les uns des autres dans le nombre de dimensions finales sélectionnées. Ces groupes sont à chaque fois représentés par des couleurs différentes ainsi que des ellipses englobant l’emprise de chaque groupe dans l’espace à dimensions réduit. Ainsi, si 3 dimensions sont sélectionnées dans la projection d’une ACP, les groupes sont construit sur la base de leurs coordonnées dans cet espace à 3 dimensions puis présentés avec des projections en 2 dimensions.
Pour voir si les distinctions site-saison sont caractéristiques de sites particuliers, les sites sont aussi représentés avec des couleurs distinctes dans la projection finale de chaque ACP. Il est ainsi possible d’estimer visuellement la cohérence de la position des points avec leur appartenance aux sites. Il en est de même pour l’effet des saisons.
Filières REP
Cette première partie de l’analyse ne prend en compte que la classification des macrodéchets par filière à responsabilité élargie des producteurs (REP). Une sélection de catégories d’intérêt est d’abord utilisée pour représenter les données brutes sous forme de graphiques temporels interactifs. L’analyse en Composantes Principales (ACP) consécutive permet ensuite d’identifier la présence potentielle de groupement de plages par leurs composition en macrodéchets classifiés par filière REP.
Voici toutes les filières REP dont au moins un macrodéchet à été collecté sur l’ensemble des campagnes ainsi que le nombre total d’objets toutes campagnes confondues par 100 m de linéaire côtier:
| Filières REP | Total d'objets / 100m |
|---|---|
| Vide | 13435.18 |
| Déchets d'emballages ménagers | 2067.79 |
| Textiles sanitaires à usage unique | 667.97 |
| Bâtiment | 397.00 |
| Produits du tabac | 375.44 |
| Engins de pêche | 227.91 |
| Jouets | 94.42 |
| Textile d'habillement, linge de maison, chaussure | 51.44 |
| Dispositifs médicaux perforants utilisés par les patients en auto-traitement | 13.73 |
| Véhicules hors d’usage (vhu) | 8.53 |
| Articles de bricolage et de jardin | 7.97 |
| Articles de sport et de loisirs | 7.81 |
| Papiers graphiques | 5.99 |
| Déchets d'équipements électriques et électroniques (deee) | 1.19 |
| Produits chimiques | 0.79 |
| Pneumatique | 0.20 |
Ici la catégorie Vide correspond aux objets n’ayant pu être catégorisés dans une filière REP et sera donc mise à l’écart pour les analyses statistiques.
Représentations interactives des catégories d’intérêt
Les filières REP d’intérêt selectionnées sont :
- Les articles de bricolage et de jardin
- Les articles de sport et de loisirs
- Le bâtiment
- Les déchets d’emballages ménagers
- Les engins de pêche
- Les jouets
- Les produits du tabac
- Les textiles sanitaires à usage unique
La première représentation interactive permet de visualiser les données de filière REP par site. Il est possible de passer d’un site à l’autre en cliquant sur les petits ronds de la barre de sélection la plus en bas. La plage temporelle peut-être choisie en faisant glisser les extrémités de la barre bleue en dessous du graphe. Les catégories peuvent être selectionnées ou désélectionnées en cliquant sur les noms de la légende en haut à droite du graphe. Finalement, survoler une barre avec le curseur permet d’afficher la valeur associée, dont l’unité est en nombre d’objets pour 100 mètres de linéaire côtier :
La seconde représentation interactive permet de visualiser les données par catégorie. Le choix de la catégorie se fait à l’aide de la barre de sélection en bas du graphe et les sites en cliquant sur les noms ou la couleur de la légende. Le reste fonctionne de la même manière que le graphe précédent. Voici donc la représentation interactive par catégories :
Parmi les catégories d’intérêt selectionnées, les textiles à usages unique et les déchets d’emballages ménagers sont présents en proportion notoire sur la majorité des sites. Les produits du tabac représentent une grande proportion des déchets, voire la majorité à certaines saisons, aux sites de La Roya, Petracurbara et Saleccia. Ces informations coïncident avec le nombre total d’objets évoqué précédemment.
ACP
L’analyse en composantes principales est utilisée dans ce contexte avec la perspective de trouver des regroupement de sites ou de saisons permettant de caractériser des plages types. L’ACP permet de représenter les unités d’échantillonnages définies par une combinaison saison-plage dans un nombre de dimension réduit (dans l’idéal 2 ou 3) à partir des données de composition en macrodéchets catégorisés en filières REP.
Pour le cas spécifique des filières REP, la catégorie Vide est mise de côté car celle-ci correspond aux objets qui n’ont pu être catégorisés dans les filières existantes. Ainsi cette catégorie ne permet pas de bien distinguer les propriétés des plages par les caractéristiques des filières REP.
Les données de dénombrement sont transformées par méthode d’Hellinger et ensuite utilisées pour le calcul de l’ACP. L’ACP permet d’obtenir les nouvelles coordonnées des unités d’échantillonnage site-saison dans les nouvelles dimensions pour lesquelles la variance est la plus représentative des différents sites. Dans un langage approximatif mais plus simple, le nuage de points des combinaisons site-saison caractérisé par le nombre de macrodéchet de chaque filière REP sera représenté de la manière la plus “aplatie” possible, où les points seront les plus distinguables les uns des autres. Dans cette représentation, les groupes de site-saison sont plus facile à distinguer qu’une interprétation des données brutes sans analyse (cf contexte).
L’ACP calculée, la première étape qui suit consiste à choisir le nombre de dimensions (donc le nombre d’axes de l’espace de représentation final) le plus adapté :
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Standard deviation 0.3191 0.2105 0.1856 0.1616 0.11862 0.08245 0.07228
Proportion of Variance 0.4195 0.1825 0.1420 0.1076 0.05798 0.02801 0.02152
Cumulative Proportion 0.4195 0.6020 0.7440 0.8516 0.90954 0.93755 0.95908
PC8 PC9 PC10 PC11 PC12 PC13
Standard deviation 0.05896 0.05495 0.04951 0.02579 0.01588 0.006611
Proportion of Variance 0.01432 0.01244 0.01010 0.00274 0.00104 0.000180
Cumulative Proportion 0.97340 0.98584 0.99594 0.99868 0.99972 0.999900
PC14 PC15
Standard deviation 0.004903 1.269e-18
Proportion of Variance 0.000100 0.000e+00
Cumulative Proportion 1.000000 1.000e+00
Parmi les nouvelles dimensions calculées de l’ACP, la dimension 1 (PC1) explique plus de 40% de la variance totale. Ceci signifie que cette dimension 1 est relativement bien efficace dans la distinction des combinaison sites-saison. La dimension 2 (PC2) explique 18% de la variance totale, ce qui représente une proportion cumulée de 60% en choisissant deux dimensions. Cette proportion n’est pas négligeable mais le saut de pourcentage de variance est drastique entre la dimension 1 et la dimension 2 (cf. pentes entre les dimensions représentées dans la figure ci-dessus). La dimension 3 (PC3) explique 14% de la variance totale, ce qui est moindre mais permet d’obtenir une proportion cumulée de 74% de variance en choisissant les 3 premières dimensions. Un choix purement visuel du nombre de dimension indiquerait qu’il faudrait préférentiellement choisir deux dimensions, puisque le saut de variance est drastique entre les deux premières dimensions et que la proportion cumulée de variance est de 60%, ce qui parait suffisant pour distinguer les site-saison entre eux. Cela correspondrait à représenter ces combinaisons site-saison dans un plan.
Rajouter la 3ème dimension permettrait d’ajouter plus de représentativité des différences entre sites mais complexifierait aussi la visualisation, puisque l’espace de représentation choisi serait un espace à 3 dimensions. Pour s’assurer de la pertinence du nombre d’axe à choisir, il existe une analyse dédiée aux ACP : l’analyse parallèle de Horn. Voici le résultat de cette analyse sur 30 000 itérations :
Using eigendecomposition of correlation matrix.
Results of Horn's Parallel Analysis for component retention
30000 iterations, using the mean estimate
--------------------------------------------------
Component Adjusted Unadjusted Estimated
Eigenvalue Eigenvalue Bias
--------------------------------------------------
1 1.779358 2.923911 1.144552
2 1.086791 1.933778 0.846987
3 1.123096 1.754763 0.631667
--------------------------------------------------
Adjusted eigenvalues > 1 indicate dimensions to retain.
(3 components retained)
Sans rentrer dans le détail du fonctionnement de cette méthode, le nombre de dimensions idéal à conserver correspond au nombre de points dont la valeur propre ajustée (Adjusted Ev) est supérieur au seuil. Ici ces points correspondent aux points noirs sur la ligne continue (Adjusted Ev retained). Nous choisissons donc 3 dimensions pour la représentation de l’ACP.
Maintenant que les 3 premiers axes sont choisis, il est important de savoir si l’on peut statistiquement regrouper les combinaisons site-saison en groupes distincts les uns des autres. Une des statistiques permettant d’estimer le potentiel de partitionnement des données est la statistique d’Hopkins. Plus celle-ci est proche de 1, plus un partitionnement est pertinent à mener. Voici donc sa valeur pour les données site-saison utilisant les trois dimensions selectionnées :
[1] 0.9108047
A partir de cette statistique, il est possible de calculer une p-value permettant d’inférer la possibilité de partitionnement :
[1] 0
La p-value de la statistique d’Hopkins est inférieure au seuil choisi de 5% (i.e. 0.05). Il est donc raisonnable de mener un partitionnement des données, permettant de distinguer des groupes site-saison distincts.
Pour estimer le nombre de clusters (groupes) idéal dans les 3 dimensions retenues en utilisant le partitionnement par k-moyennes, une représentation utilisant une méthode appelée largeur moyenne de la silouhette est présentée ci-dessous :
Au vu de cette représentation, le nombre de clusters idéal est de deux. Ainsi, le partitionnement est choisi pour obtenir deux groupes de sites-saisons. La prochaine étape est d’estimer la contribution relative des variables, i.e. les filières REP, aux dimensions choisies. Les trois graphes suivant permettent de visualiser l’importance de chaque filière REP à chaque axe de l’ACP. La ligne rouge de référence correspond à une valeur seuil de contribution.
- Les 10 variables contribuant le plus à la première dimension sont :
Seules les filières produits du tabac, déchets d’emballages ménagers et bâtiment contribuent significativement à la première dimension. Les emplacements des sites-saisons par rapport à cette dimension dans les projections en 2D sont ainsi définis par ces variables
- Les 10 variables contribuant le plus à la seconde dimension sont :
Ainsi les filières des textiles sanitaires à usages uniques, engins de pêche, bâtiment et déchets d’emballages ménagers contribuent significativement à la seconde dimension. Les emplacements des sites-saisons par rapport à cette dimension dans les projections en 2D sont ainsi définis par ces variables.
- Les 10 variables contribuant le plus à la troisième dimension sont :
De la même manière les variables contribuant le plus à la troisième dimension sont les filières bâtiment, textiles sanitaires à usage unique et les engins de pêche.
Concentrons nous maintenant sur la représentation des données dans les deux premières dimensions choisies parmi les 3 sélectionnées pour l’ACP. La figure suivante permet de représenter les contributions des variables dans le plan défini par les axes 1 et 2 (dimensions 1 et 2) de l’ACP :
Cette représentation résume les informations des contributions aux axes 1 et 2 dans un plan à deux dimensions, permettant l’interprétation des emplacements des sites-saisons par la suite. Ainsi, un site-saison situé à gauche du plan de projection sera caractérisé par une présence plus importante de produits du tabac, et à droite par une présence moindre de ces produits. Il aura par contre une proportion plus importante de macrodéchets des filières d’emballages ménagers et du bâtiment lorsque qu’il sera situé à droite du plan et inversement pour la gauche. De la même manière, un site-saison aura en haut du plan une proportion plus importante d’engins de pêche et d’emballages ménagers mais moins de textiles sanitaires à usage unique ou de déchets du bâtiment. Inversement pour un site-saison en bas de l’origine du plan de projection.
Voici donc maintenant la représentation dans le plan de projection des sites-saison regroupés par partitionnement des k-moyennes :
Comme évoqué précedemment, deux groupes sont distinguables les uns des autres. Le groupe situé à gauche du plan de projection correspond aux sites-saisons dont la proportion de macrodéchets de la filière de produit du tabac est plus importante que celui de droite mais présente moins de déchets des filières du bâtiment et d’emballages ménagers. L’axe 2 ne contribue pas à distinguer ces groupes entre eux mais explique plutôt la variance au sein de chaque groupe.
Afin d’approfondir l’analyse, on peut maintenant représenter les sites-saisons avec des couleurs différentes pour chaque site (donc indépendamment de la saison), afin de voir si certaines plages ressortent particulièrement dans cette projection à deux dimensions :
Au vu de cette représentation, toutes les collectes du site de La Roya sont caractérisées par la présence plus importante de produits du tabac et des déchets d’emballages ménagers et du bâtiment plus faibles que certaines plages. Les plages de l’Alisu, Macinaghju et Barcaghju ont une majorité des sites-saisons opposés dans le plan de projection au site de La Roya par rapport à l’axe 1. Ces plages sont ainsi caractérisées par une proportion de produits du tabac faible et une proportion en déchets d’emballages ménagers et du bâtiment plus importante que La Roya. Les plages de Ferringule, Petracurbara et Saleccia sont elles présentes dans les deux clusters et ne sont donc pas distinguables par l’axe 1.
Si l’on considère néanmoins les saisons, il est possible d’affiner l’interprétation de la composition en macrodéchets de ces plages. Pour les plages de Ferringule, Petracurbara et Saleccia, les sites-saisons présentent une plus forte proportion de produits du tabac en été et début d’automne entre le mois de juin et d’octobre (à l’exception du site-saison de Ferringule en mai). A l’inverse l’hiver et le printemps sont caractérisés par des proportions en emballages ménagers et du bâtiment plus important mais des produits du tabac moindres. La représentation des sites-saisons en couleur par saison confirme ces informations à l’échelle de toutes les plages :
La saison de l’été est généralement caractérisée par une proportion en produits du tabac plus importante et des emballages ménagers et du bâtiment moindre, à l’inverse de l’hiver et du printemps. A l’échelle de tous les sites, l’automne est néanmoins une période de transition où la présence de produits du tabac est définie par le type de plage.
Il est par contre difficile d’interpréter des différences propres à des saisons ou des sites en se basant sur la deuxième dimension. D’autres paramètres infèrent peut-être sur ces distinctions sites-saisons.
Points-clés
Ainsi, au vu de tous ces éléments, il est possible de distinguer 3 grands types de plages en considérant la catégorisation des macrodéchets collectés sur les plages par leur appartenance aux filières REP :
Les plages du type La Roya, majoritairement polluées par des produits du tabac toute l’année. En comparaison aux autres plages, elle présente moins d’emballages ménagers et de déchets du bâtiment. Cette plage est la plus proche géographiquement de la ville avec le plus d’habitant parmi toutes les plages (Saint-Florent). Il s’agit donc non seulement d’une plage fréquentée l’été avec les activités touristiques mais aussi suffisamment grande et accessible pour être polluée par les déchets du tabac l’hiver, probablement dû aux fréquentations des habitants locaux.
Les plages du type Alisu, Macinaghju et Barcaghju, où les déchets du tabac sont beaucoup moins présents toute l’année mais les déchets d’emballages ménagers et du bâtiment le sont plus. Ces trois plages sont celles où les villes les plus proches ont le moins d’habitant parmi toutes les plages prospectées.
Les plages du type Ferringule, Petracurbara et Saleccia présentent une variation saisonnière des macrodéchets. L’été et le début d’automne sont caractérisés par une proportion plus forte en produits du tabac, tandis que l’hiver et le printemps sont caractérisés par une proportion plus importante en emballages ménagers et en déchets du bâtiment. Curieusement, ces plages correspondent à celles les plus éloignées des ports. Les ports les plus proches sont en effet en moyenne à 10.4 km pour ces plages types tandis que les ports sont à 1 km de distance pour les deux autres plages-types.
Cette saisonnalité de filière REP pour ce dernier type de plage pourrait donc possiblement s’expliquer par une présence accrue de bateaux l’été, en faisant l’hypothèse que les plages les plus distantes des ports soient plus fréquentées, puisque il serait par exemple plus dur de s’abriter au port à l’inverse d’une plage proche d’un port ou bien qu’il soit plus agréable d’être présent à une plage éloignée d’une zone de circulation de bateaux. Ces informations méritent d’être étoffées en faisant l’acquisition de données de fréquentation plaisancière et des plages à chaque saison de l’année.
Secteurs d’activité
Cette partie de l’analyse ne prend en compte que la classification des macrodéchets par secteurs d’activité. Les étapes sont les mêmes que la partie précédente.
Voici tous les secteurs d’activité pour lesquels au moins un macrodéchet a été collecté sur l’ensemble des campagnes ainsi que le nombre total d’objets toutes campagnes confondues par 100m de linéaire côtier :
| Secteurs d'activité | Total d'objets / 100m |
|---|---|
| Indéterminé | 12481.77 |
| Alimentation | 1824.28 |
| Cosmétiques, hygiène et soins personnels | 722.72 |
| Bâtiment, travaux et matériaux de construction | 447.46 |
| Tabac | 416.31 |
| Chasse et armement | 411.37 |
| Pêche | 242.08 |
| Traitement des eaux | 133.21 |
| Jouets et loisir | 102.23 |
| Textile et habillement | 83.38 |
| Ameublement, décoration et équipement de la maison | 77.99 |
| Pharmaceutique/paramédical | 73.30 |
| Emballage industriel et colis | 69.39 |
| Vaisselle à usage unique | 57.29 |
| Détergents et produits d'entretiens | 54.25 |
| Agriculture | 52.94 |
| Graphique, papeterie et fournitures de bureau | 47.04 |
| Plasturgie | 41.58 |
| Métallurgie | 12.88 |
| Transport / automobile | 9.13 |
| Aquaculture | 1.22 |
| Matériel éléctrique et électroménager | 1.19 |
| Petrochimie | 0.40 |
Ici, la catégorie Indéterminé correspond aux objets qui n’ont pu être catégorisés dans un secteur d’activité précis et sera donc mise à l’écart pour les analyses statistiques.
Représentations interactives des catégories d’intérêt
Les secteurs d’activité d’intérêt sélectionnés pour les représentations interactives sont :
Alimentation
Aquaculture
Bâtiment, travaux et matériaux de construction
Chasse et armement
Cosmétiques, hygiène et soins personnels
Détergents et produits d’entretiens
Emballage industriel et colis
Jouets et loisirs
Plasturgie
Pêche
Tabac
Traitement des eaux
Vaisselle à usage unique
La première représentation interactive permet de visualiser les données de secteurs d’activité par site :
La seconde représentation interactive permet de visualiser les données par catégorie :
ACP
L’analyse en composantes principales est utilisée dans ce contexte avec la perspective de trouver des regroupements de sites ou de saisons, permettant de caractériser des plages types définies par les secteurs d’activités. Pour le cas spécifique de ces secteurs, la catégorie Indéterminé est mise de côté car celle-ci correspond aux objets qui n’ont pu être catégorisés dans les secteurs existants.
Les données de dénombrement sont transformées par méthode d’Hellinger et ensuite utilisées pour le calcul de l’ACP. L’ACP permet d’obtenir les nouvelles coordonnées des unités d’échantillonnage site-saison dans les nouvelles dimensions pour lesquelles la variance est la plus représentative des différents sites.
L’ACP calculée, la première étape qui suit consiste à choisir le nombre de dimensions (donc le nombre d’axes de l’espace de représentation final) le plus adapté :
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Standard deviation 0.2962 0.1956 0.17410 0.16268 0.15335 0.14468 0.12461
Proportion of Variance 0.2886 0.1259 0.09972 0.08706 0.07737 0.06886 0.05109
Cumulative Proportion 0.2886 0.4145 0.51418 0.60125 0.67861 0.74747 0.79856
PC8 PC9 PC10 PC11 PC12 PC13 PC14
Standard deviation 0.11887 0.10058 0.09150 0.07862 0.07520 0.06631 0.06098
Proportion of Variance 0.04648 0.03328 0.02754 0.02033 0.01861 0.01446 0.01223
Cumulative Proportion 0.84504 0.87832 0.90586 0.92620 0.94480 0.95927 0.97150
PC15 PC16 PC17 PC18 PC19 PC20 PC21
Standard deviation 0.05788 0.04804 0.04001 0.03319 0.01391 0.00916 0.004884
Proportion of Variance 0.01102 0.00759 0.00527 0.00362 0.00064 0.00028 0.000080
Cumulative Proportion 0.98252 0.99011 0.99538 0.99900 0.99964 0.99991 0.999990
PC22
Standard deviation 0.001464
Proportion of Variance 0.000010
Cumulative Proportion 1.000000
Parmi les nouvelles dimensions calculées de l’ACP, la dimension 1 (PC1) explique 29% de la variance totale. La dimension 2 (PC2) explique 13% de la variance totale, ce qui représente une proportion cumulée de 41% en choisissant deux dimensions. La dimension 3 (PC3) explique 10% de la variance totale, avec une proportion cumulée de 51% de la variance totale en choisissant les 3 premières dimensions. Pour choisir pertinemment le nombre d’axes, voici le résultat de l’analyse parallèle de Horn à l’identique du cas des filières REP, sur 30 000 itérations :
Using eigendecomposition of correlation matrix.
Results of Horn's Parallel Analysis for component retention
30000 iterations, using the mean estimate
--------------------------------------------------
Component Adjusted Unadjusted Estimated
Eigenvalue Eigenvalue Bias
--------------------------------------------------
1 2.124056 3.662984 1.538927
--------------------------------------------------
Adjusted eigenvalues > 1 indicate dimensions to retain.
(1 components retained)
Le nombre de dimensions idéal à conserver correspond au nombre de points dont la valeur propre ajustée (Adjusted Ev) est supérieur au seuil. Ici ces points correspondent aux points noirs sur la ligne continue (Adjusted Ev retained). N’observant qu’une dimension significative, nous choisissons donc 2 dimensions pour la représentation de l’ACP, étant donné qu’il y a besoin d’au moins deux dimensions pour une représentation propre et interprétable.
Maintenant que les 2 premiers axes sont choisis, il est important de savoir si l’on peut statistiquement regrouper les combinaisons site-saison en groupes distincts. Voici donc la valeur de la statistique d’Hopkins pour les données site-saison utilisant les deux dimensions conservées :
[1] 0.7413216
A partir de cette statistique, il est possible de calculer une p-value permettant d’inférer la possibilité de partitionnement :
[1] 1.103622e-06
La p-value de la statistique d’Hopkins est inférieure au seuil choisi de 5% (i.e. 0.05). Il est donc raisonnable de mener un partitionnement des données, permettant de distinguer des groupes site-saison distincts.
Au vu de cette représentation, le nombre de clusters idéal est de deux. Ainsi, le partitionnement est choisi pour obtenir deux groupes de sites-saisons.
- Les 10 variables contribuant le plus à la première dimension sont :
Ainsi le secteur d’activités Tabac contribue majoritairement à l’axe 1, et les secteurs Alimentation, Bâtiments, travaux et matériaux de construction ainsi que Chasse et armement contribuent en moindre mesure à l’axe 1.
- Les 10 variables contribuant le plus à la seconde dimension sont :
Ainsi les secteurs Bâtiments, travaux et matériaux de construction, Emballages industriel et colis, Pêche, Cosmétiques, hygiènes et soins personnels et Graphique, papeterie et fournitures de bureau contribuent à la deuxième dimension de l’ACP.
La figure suivante permet de représenter les contributions des variables dans le plan de projection défini par les axes 1 et 2 (dimensions 1 et 2) de l’ACP en conservant les secteurs sélectionnés :
Au vu de cette représentation, un site-saison situé à droite du plan de projection a une composition en macrodéchets issue du secteur du tabac plus importante qu’un site-saison à gauche du plan. Par sens de vecteurs opposés, les sites-saisons à gauche du plan ont une composition caractérisé par moins de déchets du secteur du tabac et plus des secteurs de l’alimentation ; de chasse et armement , du bâtiment, travaux et matériaux de construction.
De même, les sites-saisons en haut du plan sont distinguables par plus de macrodéchêts issus des secteurs de la pêche et des emballages industriels tandis que ceux en bas du plan de projection sont caractérisés par une proportion plus importante de déchets cosmétiques, hygiène et soins personnels, de déchets du bâtiment et de déchets de papeterie.
Voici donc maintenant la représentation dans le plan de projection dans les deux premières dimensions des sites-saison regroupés par partitionnement des k-moyennes :
De manière similaire à l’analyse des filières REP, les deux groupes issus du partitionnement par k-moyennes se distinguent principalement par la dimension 1. Ainsi le cluster de droite regroupe les sites-saisons caractérisés par une proportion de déchets du secteur d’activités du tabac plus importante que le cluster de gauche. Les autres secteurs contribuant à la dimension 1 participent aussi à ce partitionnement.
La représentation des sites-saisons avec des couleurs différentes pour chaque site (donc indépendamment de la saison) fait ressortir des différences propres aux sites :
Les sites de La Roya et Saleccia font tous les deux partie exclusivement du cluster rouge quelque soit la saison (à l’exception de janvier 2023 pour Saleccia). Ils sont ainsi caractérisés par une proportion de déchets de secteur du tabac plus important que d’autres sites ainsi que peu de déchets de l’alimentation, de la chasse et armement et du bâtiment.
Les sites Alisu et Barcaghju font eux exclusivement partie du cluster bleu quelque soit la saison (à l’exception d’août 2023 pour Barcaghju), et sont donc caractérisés par rapport aux autres sites de moins de déchets du secteur du tabac et plus de déchets du bâtiment, du secteur de l’alimentation et de la chasse et de l’armement.
Les autres sites, i.e. Petracurbara, Ferringule et Macinaghju, présentent une variation saisonnière très similaire à l’analyse des filières REP. Les saisons de l’été et de l’automne sont caractérisées par une proportion de déchets du secteur du tabac plus important que l’hiver et le printemps. Inversement pour les autres secteurs contribuant à la dimension 1.
Bien que la dimension 2 ne ressorte pas dans le partitionnement en deux clusters et que sa proportion de variance ne soit que de 13%, la dispersion dans le plan de projection au sein du cluster bleu selon la dimension 2 est plus importante que celle du cluster rouge. Deux campagnes en novembre 2022 et en mars 2024 à Barcaghju sont caractérisées par une proportion plus importante d’emballages industriels et de pêche ainsi qu’une proportion moindre de déchets du bâtiment, et des cosmétiques en comparaison aux autres sites. De même, la majorité des campagnes à la plage de l’Alisu sont caractérisées par une proportion importante de déchets du secteur du bâtiment en comparaison aux autres sites.
La représentation des sites-saisons avec des couleurs différentes pour chaque saison (donc indépendamment de la saison) confirme les interprétations faites précédemment à l’échelle globale du parc :
La période de l’été est caractérisée par une proportion de déchets du secteur du tabac plus importante que l’hiver et le printemps. L’automne est une période de transition où les caractéristiques de composition dépendent du site.
Points-clés
Ainsi, au vu de tous ces éléments, il est possible de distinguer 3 grands types de plages en considérant la catégorisation des macrodéchets collectés sur les plages par leur appartenance aux secteurs d’activité :
Les plages de type La Roya et Saleccia les déchets du secteur d’activité du tabac sont présent en plus grande proportion toute l’année en comparaison aux autres plages types. Ces plages sont de grandes plages connues pour être assez fréquentées. En comparant à l’analyse des filières REP, la plage de La Roya est dans la même catégorie. La plage de Saleccia présente par contre des variations saisonnières plus marquées dans le cas des filières REP que dans cette analyse-ci.
Les plages de type Alisu et Barcaghju, où les déchets du secteur d’activité du tabac sont présent en plus faible proportion toute l’année. Sur ces plages, la proportion de déchets des secteurs d’alimentation, de chasse et d’armement et de bâtiment est au contraire en proportion plus importante que les autres plages types.
Les plages de type Ferringule, Petracurbara et Macinaghju présentent une variation saisonnière de leur composition en macrodéchets classifiés selon les secteurs d’activité. Les saisons de l’été et de l’automne sont caractérisées par une proportion de déchets du secteur du tabac plus important que l’hiver et le printemps.
Bien que d’importance moindre, la dispersion des sites-saison au sein de la période hiver-printemps est caractérisée par d’autres types de déchets provenant des secteurs du bâtiment, de la pêche, des emballages et colis, des cosmétiques.
DCSMM
Cette partie de l’analyse ne prend en compte que la classification des macrodéchets par la catégorisation définie par le protocole de la DCSMM (Directive Cadre Stratégie pour le Milieu Marin). Les étapes sont les mêmes que les analyses précédentes.
Voici tous les catégories DCSMM pour lesquels au moins un macrodéchet a été collecté sur l’ensemble des campagnes ainsi que le nombre total d’objets toutes campagnes confondues par 100 m de linéaire côtier :
| DCSMM | Total d'objets / 100m |
|---|---|
| Fragments de plastique dur 2,5 - 50 cm | 5432.35 |
| Fragments de plastique dur 0 - 2,5 cm | 3764.27 |
| Bouchons et couvercles de bouteille | 1220.53 |
| Bouchons et couvercles non alimentaire | 735.29 |
| Anneaux et opercules de bouchons | 604.80 |
| Cotons-tiges | 595.07 |
| Fragments de polystyrène 2,5 - 50 cm | 499.09 |
| Cartouches et bourre de chasse | 411.37 |
| Mégots | 374.23 |
| Fragments de film plastique 2,5 - 50 cm | 241.72 |
| Fragments de polystyrène 0 - 2,5 cm | 179.22 |
| Mousses isolantes | 133.41 |
| Médias filtrants | 133.21 |
| Fragments de plastique 0 - 2,5 cm | 121.60 |
| Déchet de la construction (chutes pvc, croisillons...) | 119.99 |
| Fragments de film plastique 0 - 2,5 cm | 112.07 |
| Bouchons et couvercles autres | 110.01 |
| Contenants alimentaires en plastique | 107.72 |
| Déchets de la construction (tubes, tuyaux,…) | 106.16 |
| Bâtons de sucette | 96.50 |
| Emballages non-alimentaires identifiés | 92.85 |
| Cordages et ficelles inférieures à 1 cm (pêche) | 91.74 |
| Pailles | 79.31 |
| Cordages et ficelles inférieures à 1 cm (autres) | 78.53 |
| Emballages alimentaires | 69.76 |
| Pinces à linge | 66.72 |
| Jouets | 61.99 |
| Fragments de plastique 2,5 - 50 cm | 58.40 |
| Cordages et ficelles supérieures à 1 cm | 57.85 |
| Fragments et autres objets en mousse | 53.56 |
| Filets et cordages emmêlés | 53.23 |
| Filets inférieurs à 50 cm | 51.59 |
| Caisses et paniers | 51.11 |
| Cordes, ficelles et filets textile | 47.76 |
| Bouteilles en plastique alimentaire inférieures à 0,5 l | 46.23 |
| Gobelets en plastique | 44.45 |
| Contenants, tubes et emballages médicaux | 44.03 |
| Pots de fleur | 43.53 |
| Bouteilles en plastique alimentaire supérieures à 0,5 l | 42.58 |
| Emballages alimentaires autres | 42.56 |
| Briquets | 40.87 |
| Jerrycans | 37.38 |
| Bouchons de liège | 36.59 |
| Stylos et bouchons | 36.08 |
| Bouteilles et contenants produit de nettoyage | 35.17 |
| Tampons et applicateurs | 32.76 |
| Cercles d'emballage | 31.54 |
| Matériaux de construction (verre, brique, ciment) | 28.69 |
| Mouchoirs, essuies-tout, papier toilette | 28.53 |
| Fragments céramique supérieurs à 2,5 cm | 28.04 |
| Serre-cable | 27.97 |
| Etiquettes diverses (hors bouteille) | 27.40 |
| Chaussures (hors tongs) | 26.96 |
| Fragments de plastique dur supérieurs à 50 cm | 23.99 |
| Emballages sucreries et chips | 22.33 |
| Fragments de textile | 20.73 |
| Contenants hygiène et soins corporels | 19.88 |
| Etiquettes de bouteille | 18.49 |
| Objets beauté (peignes, brosses, lunettes, élastiques cheveux) | 17.01 |
| Fragments de polystyrène | 16.80 |
| Sacs plastique | 15.96 |
| Emballages industriels (bâches, papier bulle,…) | 14.34 |
| Chaussures et sandales | 14.11 |
| Protections en polystyrène | 13.91 |
| Seringues | 13.73 |
| Fragments verre supérieurs à 2,5 cm | 12.95 |
| Desodorisants toilette (dont blocs wc) | 12.32 |
| Autres objets en bois inférieurs à 50 cm | 11.93 |
| Caisses à poisson en plastique | 11.81 |
| Ballons en nylon | 11.13 |
| Ballons de baudruche | 10.98 |
| Tuyaux souples | 10.84 |
| Lingettes jetables | 10.81 |
| Bouchons, tirettes et capsules | 10.36 |
| Autres objets en métal inférieurs à 50 cm | 10.35 |
| Jeux de plage | 9.73 |
| Fleurs en plastique | 9.67 |
| Batônnets de pêche lumineux | 9.53 |
| Tuyaux d'irrigation | 9.41 |
| Bouteilles en verre | 9.28 |
| Câbles inférieurs à 50 cm | 8.75 |
| Seaux | 8.55 |
| Couverts en plastique | 8.47 |
| Pièces de véhicule | 7.94 |
| Matériels de sport nautique (non motorisés, hors palmes) | 7.81 |
| Autres objets textile | 7.63 |
| Adhésifs | 7.61 |
| Fragments non identifiés en caoutchouc | 7.58 |
| Vêtements | 7.58 |
| Autres contenants en plastique | 7.38 |
| Boîtes de conserve | 7.17 |
| Matériels entretien et bricolage | 6.76 |
| Balles en éponge | 6.75 |
| Rasoirs | 6.75 |
| Ferrailles industrielles | 6.48 |
| Papier aluminium | 6.41 |
| Fils de fer, grillages et barbelés | 6.39 |
| Filets supérieurs à 50 cm | 5.96 |
| Compresses et pansements | 5.71 |
| Souches de distribution | 5.42 |
| Autres objets en papier-carton | 5.31 |
| Bâtonnets glaces, couverts, cure-dents | 5.18 |
| Géotextiles | 5.16 |
| Flotteurs externes pour filet | 4.95 |
| Canettes | 4.92 |
| Cordages et ficelles inférieures à 1 cm | 4.80 |
| Sacs en plastique épais (ex: engrais) | 4.78 |
| Fragments de papier | 4.40 |
| Petits sacs plastique | 4.39 |
| Fragments de film plastique supérieurs à 50 cm | 4.37 |
| Masques à usage unique | 4.32 |
| Specifique_granulés plastiques industriels (gpi, larmes de sirène) | 4.00 |
| Objets et fragments en fibre de verre | 3.98 |
| Sacs poubelle (dont liens) | 3.82 |
| Filaments issus de perruques de chalut | 3.60 |
| Autres objets d'hygiène et soins personnels | 3.56 |
| Tétines | 3.38 |
| Sacs à crotte | 3.20 |
| Crèmes solaire et produits de plage | 3.19 |
| Fragments de métal inférieurs à 50 cm | 3.18 |
| Bâtons de colle | 2.98 |
| Assiettes et plats en plastique | 2.97 |
| Flotteurs et bouées en polystyrène | 2.82 |
| Fragments de polystyrène supérieurs à 50 cm | 2.80 |
| Brosses à dents | 2.78 |
| Flotteurs boules en verre pour filet | 2.78 |
| Tongs | 2.78 |
| Bombes aérosol | 2.39 |
| Lignes et fils de pêche | 2.30 |
| Leurres souples | 2.19 |
| Fragments de bois inférieurs à 50 cm | 2.00 |
| Elastiques de bureau | 1.99 |
| Serres-packs | 1.99 |
| Journaux et magazines | 1.60 |
| Autres objets en bois supérieurs à 50 cm | 1.59 |
| Contenants alimentaire en polystyrène | 1.59 |
| Gants à usage unique | 1.59 |
| Elastiques de conchyliculture | 1.22 |
| Bougies | 1.20 |
| Palettes | 1.20 |
| Autres contenants en polystyrène | 1.19 |
| Autres objets en caoutchouc | 1.19 |
| Filets à fruits et légumes | 1.19 |
| Masques en tissu | 1.19 |
| Touillettes et agitateurs | 0.99 |
| Paquets de cigarette | 0.81 |
| Pinceaux | 0.81 |
| Emballages fin | 0.80 |
| Feuilles de revêtement en caoutchouc | 0.80 |
| Gants ménagers | 0.80 |
| Gants professionnels | 0.80 |
| Marquages et tags (pêche) | 0.80 |
| Serviettes hygiéniques (dont emballage) | 0.80 |
| Ampoules | 0.79 |
| Bouchons d'oreille | 0.79 |
| Cartons | 0.79 |
| Plombs et hameçons | 0.79 |
| Préservatifs | 0.79 |
| Autres objets céramique | 0.64 |
| Ballons en caoutchouc | 0.59 |
| Pièces de voiture inférieures à 50 cm | 0.59 |
| Autres objets en plastique | 0.40 |
| Autres objets en polystyrène | 0.40 |
| Autres objets liés à la pêche | 0.40 |
| Autres objets verre | 0.40 |
| Autres polluants | 0.40 |
| Balais et outils inférieurs à 50 cm | 0.40 |
| Bocaux et pots | 0.40 |
| Boites en métal inférieures à 50 cm | 0.40 |
| Bouées pare-battages | 0.40 |
| Casques de protection | 0.40 |
| Contenants huile de moteur inférieurs à 50 cm | 0.40 |
| Emballages de paquets de cigarette | 0.40 |
| Flotteurs internes pour filet | 0.40 |
| Fragments de métal supérieurs à 50 cm | 0.40 |
| Gobelets en carton | 0.40 |
| Sacs en toile de jute | 0.40 |
| Sacs à dos et sac en tissu | 0.40 |
| Téléphones | 0.40 |
| Vaisselles en métal | 0.40 |
| Pneus | 0.20 |
Le nombre de catégories est beaucoup plus important que dans le cas des analyses précédentes. Cette catégorisation de la DCSMM est plus précise bien, qu’une grande majorité des objets appartient à des catégories assez générales tel que les fragments divers ou les bouchons. Néanmoins la catégorisation est plus complète que les analyses précédentes puisque ces dernières présentaient des catégories indéterminées ou vide éliminant beaucoup de déchets.
Représentations interactives des catégories d’intérêt
Les catégories DCSMM d’intérêt sélectionnées pour les représentations interactives sont :
Alimentation
Bouchons et couvercles de bouteille
Bouchons et couvercles non alimentaire
Bouteilles en plastique alimentaire inférieures à 0,5 l
Bouteilles en plastique alimentaire supérieures à 0,5 l
Bouteilles et contenants produit de nettoyage
Cartouches et bourre de chasse
Contenants alimentaire en polystyrène
Emballages alimentaires
Emballages alimentaires autres
Emballages non-alimentaires identifiés
Emballages sucreries et chips
Fragments de polystyrène
Fragments de polystyrène supérieurs à 50 cm
Fragments de polystyrène 0 - 2,5 cm
Fragments de polystyrène 2,5 - 50 cm
Lingettes jetables
La première représentation interactive permet de visualiser les données de DCSMM par site :
La seconde représentation interactive permet de visualiser les données par catégorie :
ACP
L’analyse en composantes principales est utilisée dans ce contexte avec la perspective de trouver des regroupements de sites ou de saisons, permettant de caractériser des plages types définies par les catégories DCSMM.
Afin de simplifier l’analyse, toutes les catégories sont exclues pour un nombre total d’objets/100m inférieur à 5.
Les données de dénombrement sont transformées par méthode d’Hellinger et ensuite utilisées pour le calcul de l’ACP. L’ACP permet d’obtenir les nouvelles coordonnées des unités d’échantillonnage site-saison dans les nouvelles dimensions pour lesquelles la variance est la plus représentative des différents sites.
L’ACP calculée, la première étape qui suit consiste à choisir le nombre de dimensions (donc le nombre d’axes de l’espace de représentation final) le plus adapté :
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Standard deviation 0.3670 0.2506 0.2303 0.18167 0.1495 0.14251 0.13008
Proportion of Variance 0.2575 0.1201 0.1013 0.06307 0.0427 0.03881 0.03233
Cumulative Proportion 0.2575 0.3775 0.4788 0.54191 0.5846 0.62342 0.65575
PC8 PC9 PC10 PC11 PC12 PC13 PC14
Standard deviation 0.12865 0.11918 0.11407 0.10841 0.10578 0.10235 0.09721
Proportion of Variance 0.03163 0.02714 0.02486 0.02246 0.02138 0.02002 0.01806
Cumulative Proportion 0.68738 0.71452 0.73939 0.76185 0.78323 0.80325 0.82131
PC15 PC16 PC17 PC18 PC19 PC20 PC21
Standard deviation 0.09473 0.0877 0.08583 0.08333 0.07830 0.07152 0.07116
Proportion of Variance 0.01715 0.0147 0.01408 0.01327 0.01172 0.00978 0.00968
Cumulative Proportion 0.83846 0.8532 0.86723 0.88050 0.89222 0.90200 0.91167
PC22 PC23 PC24 PC25 PC26 PC27 PC28
Standard deviation 0.06907 0.06537 0.06150 0.06093 0.05644 0.05492 0.05335
Proportion of Variance 0.00912 0.00817 0.00723 0.00709 0.00609 0.00576 0.00544
Cumulative Proportion 0.92079 0.92896 0.93618 0.94328 0.94937 0.95513 0.96057
PC29 PC30 PC31 PC32 PC33 PC34 PC35
Standard deviation 0.05097 0.04884 0.04499 0.04443 0.04147 0.03853 0.03798
Proportion of Variance 0.00497 0.00456 0.00387 0.00377 0.00329 0.00284 0.00276
Cumulative Proportion 0.96554 0.97009 0.97396 0.97774 0.98102 0.98386 0.98662
PC36 PC37 PC38 PC39 PC40 PC41 PC42
Standard deviation 0.03676 0.03257 0.03114 0.03045 0.02541 0.02484 0.02310
Proportion of Variance 0.00258 0.00203 0.00185 0.00177 0.00123 0.00118 0.00102
Cumulative Proportion 0.98920 0.99123 0.99308 0.99485 0.99608 0.99726 0.99828
PC43 PC44 PC45
Standard deviation 0.02165 0.02071 1.63e-16
Proportion of Variance 0.00090 0.00082 0.00e+00
Cumulative Proportion 0.99918 1.00000 1.00e+00
Parmi les nouvelles dimensions calculées de l’ACP, la dimension 1 (PC1) explique 26% de la variance totale. La dimension 2 (PC2) explique 12% de la variance totale, ce qui représente une proportion cumulée de 38% en choisissant deux dimensions. La dimension 3 (PC3) explique 10% de la variance totale, avec une proportion cumulée de 48% de la variance totale en choisissant les 3 premières dimensions. Pour choisir pertinemment le nombre d’axes, voici le résultat de l’analyse parallèle de Horn sur 30 000 itérations :
Using eigendecomposition of correlation matrix.
Results of Horn's Parallel Analysis for component retention
30000 iterations, using the mean estimate
--------------------------------------------------
Component Adjusted Unadjusted Estimated
Eigenvalue Eigenvalue Bias
--------------------------------------------------
1 5.490750 10.415245 4.924495
2 2.296264 6.776869 4.480605
3 2.094776 6.245910 4.151134
4 1.907202 5.780160 3.872958
5 1.218082 4.843940 3.625857
6 1.114098 4.516451 3.402353
7 1.131118 4.326268 3.195150
8 1.201283 4.203922 3.002639
9 1.169145 3.990478 2.821333
10 1.129897 3.779329 2.649431
11 1.113916 3.600827 2.486911
--------------------------------------------------
Adjusted eigenvalues > 1 indicate dimensions to retain.
(11 components retained)
Le nombre de dimensions idéal à conserver correspond au nombre de points dont la valeur propre ajustée (Adjusted Ev) est supérieur au seuil. Ici ces points correspondent aux points noirs sur la ligne continue (Adjusted Ev retained). Le nombre de dimensions significatives est supérieure à 4. Néanmoins un deuxième saut de variance est visible entre la 4 ème et la 5 ème dimension. Pour éviter de conserver trop de dimensions, nous choisissons de retenir 4 dimensions.
Maintenant que les 4 premiers axes sont retenus, il est important de savoir si l’on peut statistiquement regrouper les combinaisons site-saison en groupes distincts. Voici donc la valeur de la statistique d’Hopkins pour les données site-saison utilisant les deux dimensions conservées :
[1] 0.7883341
A partir de cette statistique, il est possible de calculer une p-value permettant d’inférer la possibilité de partitionnement :
[1] 1.789054e-09
La p-value de la statistique d’Hopkins est inférieure au seuil choisi de 5% (i.e. 0.05). Il est donc raisonnable de mener un partitionnement des données, permettant de distinguer des groupes site-saison distincts.
Au vu de cette représentation, le nombre de clusters idéal est de cinq. Ainsi, le partitionnement est choisi pour obtenir cinq groupes de sites-saisons.
- Les 10 variables contribuant le plus à la première dimension sont :
- Les 10 variables contribuant le plus à la seconde dimension sont :
- Les 10 variables contribuant le plus à la troisième dimension sont :
- Les 10 variables contribuant le plus à la quatrième dimension sont :
De la même manière que les analyses des autres catégorisations de macrodéchets, ces représentations permettent d’évaluer la contribution des variables à chaque dimension de l’ACP. Au vu des contributions relatives, il semble pertinent de retenir à chaque fois les 5 à 6 premières variables.
Dimensions 1 & 2
La figure suivante permet de représenter les contributions des variables dans le plan de projection défini par les axes 1 et 2 (dimensions 1 et 2) de l’ACP en conservant les secteurs sélectionnés :
Voici donc maintenant la représentation dans le plan de projection dans les deux premières dimensions des sites-saison regroupés par partitionnement des k-moyennes :
L’axe 1 distingue globalement 3 grands rassemblement de groupes (clusters).
Le cluster bleu (n°4) est très distinct des autres sur cette dimension n°1. Il est caractérisé par des fragments de plastiques de tailles variables n’appartenant pas à la catégorie fragments de plastiques durs. La variable mégot explique aussi l’emplacement de ce cluster dans le plan de projection.
Les clusters rouges (n°1) et jaune (n°2) sont eux caractéristiques de sites ayant une proportion plus importante de fragments plastiques durs que les autres. En considérant les faibles variations d’emplacement des sites-saisons sur la dimension 2, le cluster rouge n°1 contient probablement plus de plastiques durs de grande taille (entre 2.5 cm et 50 cm), à l’inverse du cluster jaune n°2 qui est plus caractéristique de sites-saisons composés de fragments de plastiques dur entre 0 et 2.5 cm.
Finalement les clusters vert (n°3) et violet (n°5) correspondent à une situation intermédiaire peu distinguable par l’axe 1. Les centroïdes des deux clusters sont par contre situés plus en bas dans la projection, caractérisés par moins de mégots mais plus de bouchons et couvercles de bouteilles ou bien non alimentaire.
La représentation des sites-saisons avec des couleurs différentes pour chaque site (donc indépendamment de la saison) fait ressortir des différences propres aux sites :
Seuls les sites La Roya et Alisu sont bien distincts dans ce plan de projection. Le site de La Roya est caractérisé par une plus forte composition en mégots par rapport aux autres sites-saison, tandis que le site de l’Alisu est lui caractérisé par une composition plus importante en fragments de plastiques durs de 2.5 à 50 cm. Dans cette projection des dimensions 1 et 2, la distinction des autres sites est moins précise. Le site de Macinaghju est lui plutôt situé à droite du plan de projection, sauf pour le mois de novembre 2022. Ainsi, il est constitué de manière générale de fragments de plastiques durs de petite taille (0 à 2.5 cm) ou de taille moyenne (2.5 à 50 cm) et moins de mégots.
Dimensions 2 & 3
Réalisons donc le même processus pour les dimensions 2 & 3 :
La proportion de variance de ces deux dimensions est plus faible que la dimension 1. La proportion de variance de la dimension 2 est de 12% et la proportion de variance de la dimension 3 est de 10%. Ce plan de projection présente une distinction plus nette des groupes par l’opposition des fragments de plastique dur de petite taille (0 à 2.5 cm) en haut à droite du plan aux fragments de plastique dur de taille plus grande (2.5 à 50 cm) en bas à gauche de ce plan de projection.
La projection des groupes dans ce plan entraîne une distinction moins nette clusters rouge (1), bleu (4) et jaune (2) entre eux en comparaison d’un projection incluant la dimension 1. Par contre, les clusters vert (3) et violet (5) sont ici beaucoup plus distincts les uns des autres que dans la projection des sites-saisons dans les dimensions 1 & 2. Ces deux groupes ont une proportion moindre de fragments de plastique dur entre 0 et 2.5 cm que les autres groupes. En dehors du cas du site de La Roya caractérisé par plus de mégots, les sites-saisons du cluster vert semblent avoir une proportion de fragments de films plastiques et de cordage et ficelle plus importante que le cluster violet. Ce dernier présente une plus grande proportion de sites-saisons où ont été retrouvés des bouchons, qu’ils soient du secteur alimentaire ou non.
Ici, l’Alisu se distingue de La Roya par peu de mégots mais plus de bouchons et de couvercle. En comparaison à la projection dans les dimensions 1 & 2, l’Alisu est moins caractérisé par la présence particulière de fragments de plastiques durs, quelque soit la taille.
Dimensions 3 & 4
Même processus pour les dimensions 3 & 4 :
Peu de distinctions pertinentes sont visibles dans ce plan de projection entre groupes de sites-saison, à part pour le cluster vert, présentant plus de mégots et de fragments de plastique dur de taille intermédiaire que les autres clusters.
La représentation par site montre à nouveau la forte proportion de mégots au site de La Roya en opposition aux sites de l’Alisu et de Macinaghju. Le site de Barcaghju semble lui aussi être composé de moins de mégots mais de plus de fragments de plastique.
Points-clés
Au vu de tous ces éléments incluant la classification des macrodéchets par la DCSMM, il est possible de faire des distinctions entre les groupes et sites mais qui sont moins évidentes que les deux analyses précédentes dû à la plus grande diversité de catégories considérées :
Dans toutes les projections, le site de La Roya se distingue des autres par la présence constante de mégots toute l’année. Ceci coïncide avec les analyses de catégorisation par filière REP et par secteurs d’activité, mettant en avant une catégorisation des déchets du tabac plus importante à ce site.
Les sites Macinaghju et Alisu sont eux à l’opposé du site de la Roya, i.e. ont une proportion de mégots plus faible. Ces deux sites se distinguent par contre entre eux par une composition en déchets un peu différente. Le site de l’Alisu est plus riche en fragments de plastiques dur de taille intermédiaire (2.5 à 50 cm) et en bouchons et couvercles variés, à l’inverse du site de Macinaghju caractérisé par des fragments de plastique dur plus petits (0 à 2.5 cm) et peu de bouchons.
Les autres sites sont plus difficile à distinguer avec cette classification de la DCSMM. Le site de Petracurbara semble caractérisé par la présence de fragments de plastique dur de toute taille, et de moindre mesure en mégots. Les autres sites ne se distinguent pas particulièrement des autres dans le plan à 4 dimensions retenu.
De manière globale, les catégories DCSMM distinguant le plus les regroupements de sites-saison sont les mégots, les fragments plastiques dur petits (0 à 2.5 cm) ou grands (2.5 à 50 cm), les fragments de plastique simples avec la même distinction de taille et les bouchons et couvercles ou les opercules associés, qu’ils soient alimentaires ou non.
Groupes zéro déchet sauvage
Cette partie de l’analyse ne prend en compte que la classification des macrodéchets par la catégorisation en groupes de déchets indicateurs définies par la plateforme Zéro Déchet Sauvage. Les étapes sont les mêmes que les analyses précédentes.
Voici tous les catégories groupe pour lesquels au moins un macrodéchet a été collecté sur l’ensemble des campagnes ainsi que le nombre total d’objets toutes campagnes confondues par 100m de linéaire côtier :
| Groupe Zero Dechet Sauvage | Total d'objets / 100m |
|---|---|
| Fragments plastique non-identifiés | 10456.66 |
| Bouchons plastique | 2065.83 |
| Anneaux et opercules de bouchons | 604.80 |
| Cotons-tiges | 595.07 |
| Cartouches de chasse | 411.37 |
| Mégots | 374.23 |
| Cordages et ficelles | 333.91 |
| Déchets de la construction | 226.16 |
| Mousses synthétiques | 186.97 |
| Bouteilles et contenants non alimentaires | 155.70 |
| Médias filtrants | 133.21 |
| Contenants alimentaires en plastique | 109.31 |
| Bâtons de sucette | 96.50 |
| Emballages non alimentaires | 92.85 |
| Bouteilles en plastique alimentaire | 88.81 |
| Jouets | 83.44 |
| Pailles en plastique | 79.31 |
| Déchets de colis et d'emballages industriels | 72.56 |
| Emballages alimentaires papier/carton | 69.76 |
| Pinces à linge | 66.72 |
| Emballages alimentaires plastique | 64.89 |
| Filets de pêche | 57.55 |
| Objets bricolage, travaux et entretien | 53.24 |
| Déchets de l'agriculture | 52.94 |
| Gobelets en plastique | 44.45 |
| Emballages médicaments | 44.03 |
| Chaussures | 43.86 |
| Fragments de verre/céramique | 40.99 |
| Briquets | 40.87 |
| Sacs plastique | 40.76 |
| Fournitures de bureau | 39.05 |
| Bouchons de liège | 36.59 |
| Autres déchets de la pêche | 36.46 |
| Protections hygiéniques | 33.56 |
| Matériaux de construction | 28.69 |
| Mouchoirs | 28.53 |
| Autres objets et fragments de textile | 28.35 |
| Etiquettes diverses (hors bouteille) | 27.40 |
| Autres objets d'hygiène et de soins personnels | 27.00 |
| Etiquettes de bouteille | 18.49 |
| Objets beauté | 17.01 |
| Fils et cables en métal | 15.15 |
| Seringues | 13.73 |
| Autres objets en bois | 13.52 |
| Vaisselles en plastique | 12.44 |
| Ballons de baudruche | 10.98 |
| Tuyaux | 10.84 |
| Lingettes jetables | 10.81 |
| Autres objets et fragments en caoutchouc | 10.77 |
| Tirettes et capsules | 10.36 |
| Autres objets en métal | 10.35 |
| Fleurs en plastique | 9.67 |
| Bouteilles en verre | 9.28 |
| Pièces de véhicule | 7.94 |
| Matériels sports nautiques | 7.81 |
| Vêtements | 7.58 |
| Boîtes de conserve | 7.17 |
| Ferrailles industrielles | 6.48 |
| Papier aluminium | 6.41 |
| Compresses et pansements | 5.71 |
| Masques | 5.51 |
| Autres objets en papier/carton | 5.31 |
| Bois alimentaire | 5.18 |
| Canettes | 4.92 |
| Morceaux de papier | 4.40 |
| Granulés plastiques industriels | 4.00 |
| Fibre de verre | 3.98 |
| Fragments de métal | 3.58 |
| Tétines | 3.38 |
| Bouées | 3.22 |
| Bombes aérosol | 2.39 |
| Fils de pêche | 2.30 |
| Autres objets sanitaire et médicaux | 2.12 |
| Fragments de bois | 2.00 |
| Journaux | 1.60 |
| Déchets de la conchyliculture | 1.22 |
| Cire et bougies | 1.20 |
| Palettes | 1.20 |
| Autres objets en verre/céramique | 1.03 |
| Paquets de cigarette | 0.81 |
| Autres objets en plastique | 0.80 |
| Emballages fin | 0.80 |
| Sacs en textile | 0.80 |
| Ampoules et néons | 0.79 |
| Cartons | 0.79 |
| Plombs et hameçons | 0.79 |
| Pièces de vehicules | 0.59 |
| Autres déchets du tabac | 0.40 |
| Balais et outils | 0.40 |
| Bocaux et pots | 0.40 |
| Boites et fûts en metal | 0.40 |
| Casques de protection | 0.40 |
| Gobelets en carton | 0.40 |
| Produits chimiques | 0.40 |
| Téléphones | 0.40 |
| Vaisselles en métal | 0.40 |
| Pneus | 0.20 |
Le nombre de catégories est moindre que la DCSMM mais plus importante que les secteurs d’activité et les filières REP. Cette catégorisation en groupe est assez précise, bien qu’une grande majorité des objets appartient à la catégorisation en fragments plastique non-identifiés. Cette catégorie n’apportant pas beaucoup d’informations quant à la distinction des sites, elle n’est pas prise en compte dans les analyses.
Représentations interactives des catégories d’intérêt
Les catégories de groupes d’intérêt sélectionnés pour les représentations interactives sont :
Les bâtons de sucette
Les cotons-tiges
Les cotons-tiges en carton
Les médias filtrants
Les pailles en plastique
Les sacs en plastique
La première représentation interactive permet de visualiser les données de groupe par site :
La seconde représentation interactive permet de visualiser les données par catégorie :
ACP
L’analyse en composantes principales est utilisée dans ce contexte avec la perspective de trouver des regroupements de sites ou de saisons, permettant de caractériser des plages types définies par les catégories en groupes zéro déchet sauvage.
Les données de dénombrement sont transformées par méthode d’Hellinger et ensuite utilisées pour le calcul de l’ACP.
L’ACP calculée, la première étape qui suit consiste à choisir le nombre de dimensions (donc le nombre d’axes de l’espace de représentation final) le plus adapté :
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Standard deviation 0.3166 0.22365 0.19168 0.17569 0.15883 0.15049 0.14872
Proportion of Variance 0.1998 0.09971 0.07324 0.06153 0.05029 0.04515 0.04409
Cumulative Proportion 0.1998 0.29951 0.37274 0.43427 0.48456 0.52971 0.57380
PC8 PC9 PC10 PC11 PC12 PC13 PC14
Standard deviation 0.13980 0.13218 0.12604 0.12345 0.12021 0.11241 0.10937
Proportion of Variance 0.03896 0.03483 0.03167 0.03038 0.02881 0.02519 0.02384
Cumulative Proportion 0.61276 0.64759 0.67926 0.70964 0.73845 0.76363 0.78748
PC15 PC16 PC17 PC18 PC19 PC20 PC21
Standard deviation 0.10101 0.09877 0.09341 0.08962 0.08373 0.08246 0.07930
Proportion of Variance 0.02034 0.01945 0.01739 0.01601 0.01397 0.01356 0.01254
Cumulative Proportion 0.80782 0.82726 0.84466 0.86067 0.87464 0.88820 0.90073
PC22 PC23 PC24 PC25 PC26 PC27 PC28
Standard deviation 0.07296 0.07100 0.06935 0.06593 0.05967 0.05445 0.05421
Proportion of Variance 0.01061 0.01005 0.00959 0.00867 0.00710 0.00591 0.00586
Cumulative Proportion 0.91134 0.92139 0.93098 0.93964 0.94674 0.95265 0.95851
PC29 PC30 PC31 PC32 PC33 PC34 PC35
Standard deviation 0.05155 0.05055 0.04684 0.04584 0.04322 0.04192 0.03549
Proportion of Variance 0.00530 0.00509 0.00437 0.00419 0.00372 0.00350 0.00251
Cumulative Proportion 0.96381 0.96890 0.97328 0.97746 0.98119 0.98469 0.98720
PC36 PC37 PC38 PC39 PC40 PC41 PC42
Standard deviation 0.03465 0.03362 0.03016 0.02857 0.02608 0.02280 0.02254
Proportion of Variance 0.00239 0.00225 0.00181 0.00163 0.00136 0.00104 0.00101
Cumulative Proportion 0.98959 0.99185 0.99366 0.99529 0.99664 0.99768 0.99869
PC43 PC44 PC45
Standard deviation 0.02001 0.01598 1.406e-16
Proportion of Variance 0.00080 0.00051 0.000e+00
Cumulative Proportion 0.99949 1.00000 1.000e+00
Parmi les nouvelles dimensions calculées de l’ACP, la dimension 1 (PC1) explique 20% de la variance totale. La dimension 2 (PC2) explique 10% de la variance totale, ce qui représente une proportion cumulée de 30% en choisissant deux dimensions. La dimension 3 (PC3) explique 7% de la variance totale, avec une proportion cumulée de 37% de la variance totale en choisissant les 3 premières dimensions. Pour choisir pertinemment le nombre d’axes, voici le résultat de l’analyse parallèle de Horn sur 30 000 itérations :
Using eigendecomposition of correlation matrix.
Results of Horn's Parallel Analysis for component retention
30000 iterations, using the mean estimate
--------------------------------------------------
Component Adjusted Unadjusted Estimated
Eigenvalue Eigenvalue Bias
--------------------------------------------------
1 4.584831 9.252488 4.667656
2 1.901893 6.134485 4.232592
3 1.126372 5.034037 3.907665
4 1.095219 4.729465 3.634245
5 1.186239 4.579725 3.393485
--------------------------------------------------
Adjusted eigenvalues > 1 indicate dimensions to retain.
(5 components retained)
Le nombre de dimensions idéal à conserver correspond au nombre de points dont la valeur propre ajustée (Adjusted Ev) est supérieur au seuil. Ici ces points correspondent aux points noirs sur la ligne continue (Adjusted Ev retained). Le nombre de dimensions significatives est supérieure à 4. Néanmoins au vu de l’apport de pourcentage de variance à chaque dimension supplémentaire sur la représentation précédente et celle-ci, 3 dimensions sont conservées.
Maintenant que les 3 premiers axes sont retenus, il est important de savoir si l’on peut statistiquement regrouper les combinaisons site-saison en groupes distincts. Voici donc la valeur de la statistique d’Hopkins pour les données site-saison utilisant les deux dimensions conservées :
[1] 0.954061
A partir de cette statistique, il est possible de calculer une p-value permettant d’inférer la possibilité de partitionnement :
[1] 0
La p-value de la statistique d’Hopkins est inférieure au seuil choisi de 5% (i.e. 0.05). Il est donc raisonnable de mener un partitionnement des données, permettant de distinguer des groupes site-saison distincts.
Au vu de cette représentation, le nombre de clusters idéal est de deux. Ainsi, le partitionnement est choisi pour obtenir deux groupes de sites-saisons.
- Les 10 variables contribuant le plus à la première dimension sont :
- Les 10 variables contribuant le plus à la seconde dimension sont :
- Les 10 variables contribuant le plus à la troisième dimension sont :
De la même manière que les analyses des autres catégorisations de macrodéchets, ces représentations permettent d’évaluer la contribution des variables à chaque dimension de l’ACP. Au vu des contributions relatives, il semble pertinent de retenir à chaque fois les 2 à 6 premières variables selon la dimension considérée.
Dimensions 1 & 2
La figure suivante permet de représenter les contributions des variables dans le plan de projection défini par les axes 1 et 2 (dimensions 1 et 2) de l’ACP en conservant les secteurs sélectionnés :
Voici donc maintenant la représentation dans le plan de projection dans les deux premières dimensions des sites-saison regroupés par partitionnement des k-moyennes :
Au vu de ces deux dernières figures, le cluster bleu n°2 est caractérisé par une composition plus importante en mégots que le cluster rouge n°1. La dispersion des sites-saisons selon l’axe 2 est plus importante au sein du cluster rouge que du cluster bleu.
Afin d’affiner l’analyse, les sites-saisons sont représentés avec des couleurs différentes pour chaque site :
Les interprétations sont très similaires aux analyses précédentes. Le site de La Roya est caractérisé par un nombre plus important de mégots à l’inverse du site de l’Alisu. Le site de l’Alisu, ainsi que celui de Ferringule de moindre mesure, sont plus riches en bouchons et opercules de bouchons que les autres sites.
La représentation en couleurs par saisons permet d’affiner l’effet de la saisonnalité :
Les saisons d’hiver et de printemps sont plutôt caractéristiques de plages dont l’abondance en mégots est plus faible que l’été où la pollution par les mégots est plus importante. L’automne est une saison intermédiaire où la variabilité en composition en mégots est grande.
Dimensions 2 & 3
Réalisons donc le même processus pour les dimensions 2 & 3 :
Dans ce plan de projection, les mégots ont une moindre importance, tandis que d’autres variables moins souvent rencontrées sont mise en valeur tels que les cotons-tiges et les bouteilles en plastique alimentaire.
Dans ce plan de projection des dimensions 2 et 3, les deux clusters ne se distinguent que peu entre eux à part en considérant la dispersion des sites-saisons au sein de chacun. Le cluster rouge présente une diversité de composition d’autres macrodéchets plus importante que les sites-saison appartenant au cluster bleu.
La distinction par site révèle une composition plus importante en anneaux et opercules de bouchons ainsi qu’en bouchons pour les sites de Ferringule et de l’Alisu. Le site de Barcaghju est lui à l’opposé du plan par rapport à la dimension 2. Il est ainsi caractérisé par plus de matériaux de construction, de déchets de colis et d’emballages industriels et de bouteilles en plastique alimentaire. La distinction par la dimension 3 ne semble pas caractériser des sites particuliers bien que les cotons-tiges correspondent à la variable ayant la contribution relative la plus importante dans ce plan de projection.
Il n’y a pas de structuration par saison pour ce plan de projection. Ainsi les différences pourraient s’expliquer par d’autres variables telles que les conditions météorologiques ou les courants considérés à chaque période pour chaque condition de plage.
Points-clés
Au vu de tous ces éléments incluant la classification des macrodéchets par les groupes zéro déchet sauvage, il est possible de faire quelques distinctions entre les sites très similaires aux analyses précédentes :
Le site de La Roya se distingue des autres par la présence constante de mégots toute l’année. Ceci coïncide avec les analyses de catégorisation par filière REP, par secteurs d’activité et par catégorisation DCSMM.
Les sites Macinaghju et Alisu sont eux à l’opposé du site de la Roya, i.e. ont une proportion de mégots plus faible, bien que l’Alisu soit plus opposé à La Roya que Macinaghju. Ces deux sites semble se distinguer légèrement dans cette classification par une composition plus importante de cotons-tiges et de bouteilles en plastiques alimentaires que le site de l’Alisu, plus caractérisé par des bouchons ou des anneaux et opercules de bouchons.
Les autres sites sont plus difficiles à distinguer avec cette classification en groupes zéro déchets. Leur composition en mégots dépend de la saison. Pour ce qui est des autres variables, Barcaghju présente une proportion de matériaux de constructions, de colis et d’emballages et de bouteilles plus importante que Ferringule pour lequel la composition est plus riche en bouchons et éléments associés ainsi qu’en emballages alimentaires et mousses synthétiques.
Ainsi les mégots contribuent le plus à distinguer les sites, de la même manière que les catégorisations précédentes. Par contre, quelques autres déchets sont mis en avant dans la distinction des sites-saisons avec cette catégorisation par groupes zéro déchet sauvage qui ne l’étaient pas dans les cas précédents. Néanmoins, cette analyse en composante principale ne permet pas de bien visuellement distinguer des variables explicatives comme la saison ou le site. D’autres paramètres devraient être considérés dans cette situation pour essayer de par exemple expliquer les différences en composition en cotons-tiges.
Marques
Une dernière catégorisation possible pour ce jeu de données est celle par marques de produits des déchets retrouvés sur les plages. Le nombre d’objets de chaque marque étant très faible, il est pertinent d’utiliser directement une ACP sans présenter les données brutes de manière interactive dès le début.
Liste des marques
Sans pour autant faire de représentation dynamique spécifique, voici tout de même la liste des marques des déchets retrouvés sur les plages et les abondances associées :
| Marque | Total d'objets / 100m |
|---|---|
| Marlboro | 17.29 |
| Kinder | 3.58 |
| Coca-cola | 3.24 |
| Pom'potes | 2.78 |
| Haribo | 1.60 |
| Philip morris | 0.80 |
| Chupa chups | 0.79 |
| Bounty | 0.40 |
| Caperlan | 0.40 |
| Carte noire | 0.40 |
| Colgate | 0.40 |
| Decathlon | 0.40 |
| Eco + | 0.40 |
| Heineken | 0.40 |
| Kiri | 0.40 |
| Lion | 0.40 |
| Milka | 0.40 |
| Nestlé | 0.40 |
| Nivea | 0.40 |
| Oreo | 0.40 |
| Pringles | 0.40 |
| Sodebo | 0.40 |
| Nescafé | 0.20 |
ACP
Les données de dénombrement sont transformées par méthode d’Hellinger et ensuite utilisées pour le calcul de l’ACP.
L’ACP calculée, la première étape qui suit consiste à choisir le nombre de dimensions (donc le nombre d’axes de l’espace de représentation final) le plus adapté :
Importance of components:
PC1 PC2 PC3 PC4 PC5 PC6 PC7
Standard deviation 0.2599 0.2369 0.2173 0.1923 0.15076 0.15076 0.14240
Proportion of Variance 0.2108 0.1751 0.1474 0.1153 0.07092 0.07092 0.06327
Cumulative Proportion 0.2108 0.3859 0.5333 0.6486 0.71954 0.79046 0.85373
PC8 PC9 PC10 PC11 PC12 PC13 PC14
Standard deviation 0.1077 0.09803 0.08400 0.08338 0.07281 0.05734 0.05539
Proportion of Variance 0.0362 0.02998 0.02202 0.02169 0.01654 0.01026 0.00957
Cumulative Proportion 0.8899 0.91991 0.94193 0.96362 0.98017 0.99043 1.00000
PC15 PC16 PC17 PC18 PC19
Standard deviation 4.925e-17 3.195e-17 1.957e-17 1.417e-17 8.168e-18
Proportion of Variance 0.000e+00 0.000e+00 0.000e+00 0.000e+00 0.000e+00
Cumulative Proportion 1.000e+00 1.000e+00 1.000e+00 1.000e+00 1.000e+00
PC20 PC21 PC22 PC23
Standard deviation 2.976e-18 1.449e-18 6.8e-19 1.072e-19
Proportion of Variance 0.000e+00 0.000e+00 0.0e+00 0.000e+00
Cumulative Proportion 1.000e+00 1.000e+00 1.0e+00 1.000e+00
Parmi les nouvelles dimensions calculées de l’ACP, la dimension 1 (PC1) explique 21% de la variance totale. La dimension 2 (PC2) explique 18% de la variance totale, ce qui représente une proportion cumulée de 39% en choisissant deux dimensions. La dimension 3 (PC3) explique 14% de la variance totale, avec une proportion cumulée de 53% de la variance totale en choisissant les 3 premières dimensions. Pour choisir pertinemment le nombre d’axes, voici le résultat de l’analyse parallèle de Horn sur 30 000 itérations :
Using eigendecomposition of correlation matrix.
Results of Horn's Parallel Analysis for component retention
30000 iterations, using the mean estimate
--------------------------------------------------
Component Adjusted Unadjusted Estimated
Eigenvalue Eigenvalue Bias
--------------------------------------------------
1 3.611682 5.203382 1.591699
2 2.194003 3.468635 1.274632
3 1.453360 2.495553 1.042193
4 1.414211 2.263600 0.849388
--------------------------------------------------
Adjusted eigenvalues > 1 indicate dimensions to retain.
(4 components retained)
Le nombre de dimensions idéal à conserver correspond au nombre de points dont la valeur propre ajustée (Adjusted Ev) est supérieur au seuil. Ici ces points correspondent aux points noirs sur la ligne continue (Adjusted Ev retained). Le nombre de dimensions significatives est supérieure de 4. Nous conservons donc 4 dimensions.
Maintenant que les 4 premiers axes sont retenus, il est important de savoir si l’on peut statistiquement remarquer les combinaisons site-saison en marques distincts. Voici donc la valeur de la statistique d’Hopkins pour les données site-saison utilisant les deux dimensions conservées :
[1] 0.9994027
A partir de cette statistique, il est possible de calculer une p-value permettant d’inférer la possibilité de partitionnement :
[1] 0
La p-value de la statistique d’Hopkins est inférieure au seuil choisi de 5% (i.e. 0.05). Il est donc raisonnable de mener un partitionnement des données, permettant de distinguer des marques site-saison distincts.
Au vu de cette représentation, le nombre de clusters idéal est de huit. Ainsi, le partitionnement est choisi pour obtenir huit groupes de sites-saisons.
- Les 10 variables contribuant le plus à la première dimension sont :
- Les 10 variables contribuant le plus à la seconde dimension sont :
- Les 10 variables contribuant le plus à la troisième dimension sont :
- Les 10 variables contribuant le plus à la quatrième dimension sont :
De la même manière que les analyses des autres catégorisations de macrodéchets, ces représentations permettent d’évaluer la contribution des variables à chaque dimension de l’ACP. Au vu des contributions relatives, il semble pertinent de retenir à chaque fois les 2 à 3 premières variables selon la dimension considérée.
Dimensions 1 & 2
La figure suivante permet de représenter les contributions des variables dans le plan de projection défini par les axes 1 et 2 (dimensions 1 et 2) de l’ACP en conservant les secteurs sélectionnés :
Voici donc maintenant la représentation dans le plan de projection dans les deux premières dimensions des sites-saison regroupés par partitionnement des k-moyennes :
Les groupes sont ici très distincts les uns des autres. La majorité des sites-saisons sont inclus dans le groupe vert clair (n°3) qui n’a pratiquement aucune dispersion dans le plan (seules les étiquettes donnent une impression de dispersion plus grande que la réalité, se fier aux lignes des étiquettes pour plus de précision). Ceci correspond à l’absence de déchets aux marques distinctes. Les autres groupes sont très écartés dans le plan. Le groupe n°5 rassemble les sites-saison avec des déchets de marque Pom’potes. Le groupe n°4 ne comporte que des sites-saison de l’Alisu, composés d’un mélange Pom’potes et Kinder. Les groupes orange (n°2) et violet (n°7) ne sont composés que d’un site chacun, tous les deux caractérisés par la présence de Kinder. Le groupe bleu foncé (n°6) correspond à des sites-saison avec présence de paquets de Marlboro. Finalement le groupe rouge n°1 est composé de deux sites saison avec présence de déchets de la marque Haribo.
Afin d’affiner l’analyse, les sites-saisons sont représentés avec des couleurs différentes pour chaque site :
Le site de l’Alisu présente à plusieurs saisons des déchets de la marque Kinder. Des déchets de la marque Marlboro sont présents à deux fois au site de Ferringule. A part ces deux cas, il n’y a pas de lien particuliers entre le site et la marque des déchets retrouvés.
Regardons maintenant si la saison a un effet sur les marques des déchets retrouvés :
Les déchets de la marque Pom’potes sont retrouvés sur les plages en automne tandis que les déchets de la marque Marlboro le sont en hiver et au printemps. Néanmoins d’autres variables interagissent sur ces dimensions donc il est difficile d’interpréter correctement. L’apport des informations sur les dimensions supplémentaires peut apporter des informations pertinentes.
Dimensions 2 & 3
Réalisons donc le même processus pour les dimensions 2 & 3 :
La distinction des groupes est encore plus nette ici, avec une grande différence dû aux déchets Marlboro, Kinder et Pom’potes. La marque Kinder apparaît trois fois sur le site de l’Alisu.
En considérant la représentation par saisons, les informations dans la projection en dimensions 2 et 3 confirment la projection précédente :
Les déchets de marque Pom’potes sont retrouvés en automne, les déchets de marque Marlboro sont retrouvés en hiver-printemps et les déchets de marque Kinder à 3 saisons de l’année.
Dimensions 3 & 4
Réalisons donc le même processus pour les dimensions 3 & 4 :
Cette projection dans les dimensions 3 & 4 met plus en valeur la marque Haribo que les autres choix de dimensions.
En représentant la projection avec différentes couleurs par saison :
Les deux fois où des déchets de marque Haribo ont été retrouvés correspondent à la saison de l’été.
Représentation interactive des catégories d’intéret
Afin de confirmer les saisons et interprétation des ACP, représentons de manière interactive les données de nombre d’objets par catégorie qui ont été considérées comme importante dans l’ACP :
Points-clés
Bien que les distinctions des sites-saisons dans les plan de projection de l’ACP soient beaucoup plus évidentes dans le cas des marques de déchets, le faible de nombre de déchets identifiés avec une marque confère une fiabilité moindre que dans les analyses basées sur d’autres catégorisations. Néanmoins, en se basant sur les informations à disposition :
Quelques marques principales ressortent du lot quant à la distinction des sites-saison. Ce sont les marques Pom’potes, Haribo, Marlboro et Kinder.
En dehors de la marque Kinder présent 3 fois au site de l’Alisu, les marques de déchets ne sont pas particulièrement liées à un site donné.
Certains déchets sont caractéristiques de certaines saisons. Les déchets de la marque Pom’potes sont retrouvés principalement en automne, la marque Haribo en été, la marque Marlboro en hiver et au printemps.
La marque Kinder est présente à trois saison de l’année, mais pas l’été.
Au vu du faible nombre de déchets classés par marque, il est difficile de conclure avec confiance un lien fort entre les saisons et les marques. Le suivi des collectes de macrodéchets permettra de donner plus de confiance quant au lien saison-marque. En se basant sur les données à disposition, il semblerait tout de même y avoir une tendance du lien entre les marques et la saison de collecte.
Conclusion
L’analyse approfondie des macrodéchets collectés sur les plages du Parc Naturel Marin du Cap Corse et de l’Agriate, catégorisés de diverses manières (filières REP, secteurs d’activité, DCSMM, groupes zéro déchet et marques), a permis d’identifier plusieurs tendances et typologies spécifiques. Il est possible de distinguer certains profils de pollution de plages en fonction des types de déchets dominants, bien que les sites ne soient pas si facilement regroupés en plage types dans tous les cas.
Synthèse des analyses par méthodes de catégorisation des déchets
Catégorisation par Filières REP :
Trois grands types de plages se distinguent :
Plages du type La Roya : majoritairement polluées par les produits du tabac tout au long de l’année, probablement en lien avec la proximité de cette plage à la ville la plus peuplée (Saint-Florent). Cela en fait un site récurrent de pollution par les mégots, indépendamment des saisons.
Plages du type Alisu, Macinaghju et Barcaghju : moins touchées par les déchets de tabac, mais présentant une proportion plus importante de déchets d’emballages ménagers et du bâtiment. Ces plages sont proches de villes moins peuplées, ce qui pourrait expliquer la différence avec le type de plage La Roya.
Plages du type Ferringule, Petracurbara et Saleccia : montrent une variation saisonnière avec une présence plus importante de tabac en été et de déchets d’emballages et du bâtiment en hiver et printemps, suggérant une influence des activités touristiques et plaisancières.
Catégorisation par Secteurs d’Activité :
La catégorisation par secteur d’activité confirme la prédominance du tabac sur certaines plages (La Roya, Saleccia) toute l’année.
Elle met également en évidence la spécificité des déchets d’alimentation, de chasse, d’armement et de bâtiment sur les plages du type Alisu et Barcaghju, en proportion plus élevée que sur les autres plages.
Une variation saisonnière est observée pour les plages de type Ferringule, Petracurbara et Macinaghju, similaire aux observations faites avec la catégorisation REP, ce qui renforce la robustesse de ces tendances.
Catégorisation par DCSMM :
Cette classification met en avant des distinctions plus fines mais moins évidentes en raison de la diversité des catégories.
Le site de La Roya se distingue toujours par sa proportion élevée de mégots toute l’année.
Les sites de Macinaghju et Alisu montrent des différences marquées par la présence de fragments de plastique de tailles variées.
La difficulté à séparer d’autres sites montre que cette catégorisation capture davantage de détails mais peut complexifier l’interprétation globale. Elle peut par contre être utile pour faire le suivi d’un type de déchet particulier indépendamment de la caractérisation en plages types.
Catégorisation par Groupes Zéro Déchet Sauvage :
Les mégots continuent d’être l’élément principal pour distinguer les sites, en lien avec les analyses précédentes.
Cette catégorisation met toutefois en lumière des variations fines non observées avant, comme la présence de cotons-tiges ou de bouchons et déchets associés sur certains sites, suggérant des pollutions spécifiques, mais pas distinctement catégorisées par site.
Catégorisation par Marques de Déchets :
La faible occurrence des déchets identifiables par marque limite les conclusions.
Néanmoins, certaines marques (Pom’potes, Haribo, Marlboro, Kinder) apparaissent comme indicateurs saisonniers potentiels, suggérant des habitudes de consommation spécifiques à certaines périodes de l’année.
Cette analyse reste exploratoire mais pourrait servir à affiner les politiques de sensibilisation ciblée, notamment avec les données en cours d’acquisition et, pourquoi pas, une fréquence de collecte plus importante sur quelques sites particuliers.
Conclusion Principale
De manière générale, les déchets de tabac (mégots) apparaissent comme le facteur structurant le plus robuste pour définir les typologies de plages, quel que soit le type de catégorisation. Cela souligne la persistance de ces déchets tout au long de l’année dans certains sites et dans des contextes variés. Ils sont donc intéressants à suivre pour distinguer des profils de plages types.
Sans pouvoir affirmer à 100% que cette structuration est la plus pertinente à l’échelle de toutes les plages du parc, il ressort trois types de plages au vu des données à disposition :
Celles où les déchets liés au tabac sont présents toute l’année.
Celles où les déchets liés au tabac caractérisent moins les plages, quelle que soit la saison.
Les plages à alternance saisonnière où les déchets de tabac sont importants l’été, mais moins présents en hiver et au printemps. Durant ces saisons hivernales et printanières, les plages sont partiellement distinguables entre elles par la composition d’autres déchets plus spécifiques.
En outre, la variabilité saisonnière observée pour d’autres catégories de déchets (emballages, produits de bricolage, matériaux de construction) suggère une influence forte des activités humaines (tourisme, plaisance, activités locales), nécessitant des stratégies de gestion adaptées aux périodes de l’année et à la spécificité de chaque plage (proximité des villes, des ports, accessibilité).
Enfin, ces résultats montrent que les sites les plus proches des centres urbains sont généralement plus affectés par les mégots et certains déchets d’emballages, tandis que les plages éloignées des ports subissent davantage de variations saisonnières liées aux activités plaisancières.
Les recommandations devraient se concentrer sur une réduction partiellement ciblée des déchets de tabac et une gestion différenciée selon la saisonnalité et la proximité des infrastructures pour une action plus efficace.
Il est néanmoins important de prendre en compte que ces analyses se basent sur des données de nombre d’objets par 100 m de linéaire côtier. Ainsi, cette unité de dénombrement spatial ne prend pas en compte le volume ou le poids des objets, qui peuvent différer de l’abondance mais ne sont pas disponibles pour ces classifications assez fines. Il serait d’ailleurs pertinent de calculer des indices d’impact spécifiques aux macrodéchets pour chaque site à chaque saison. Ces indices pourraient, par exemple, être représentatifs de la toxicité des déchets, de leur longévité dans l’environnement, et de leurs impacts sur des espèces particulières, ce qui est peut-être plus pertinent que leur nombre.